Розробка системи моніторингу конвеєрної лінії через відеоаналітику

Розробляємо системи відеоаналітики для конвеєрів під ключ — від проєктування до деплою. Вирішуємо завдання, які складно автоматизувати іншими сенсорами: виявлення застряглих предметів, контроль швидкості стрічки, детекція нештатних ситуацій (завал, розлив, випадання продукту), підрахунок продуктивності. Один потік відео замінює десятки точкових датчиків, покриваючи всю зону спостереження. На лінії розливу напоїв ми знизили необліковану продукцію на 15%, що забезпечило значну економію для клієнта. Отримайте консультацію щодо вашого проєкту.

Як відеоаналітика підвищує точність моніторингу конвеєра?

Детекція зупинки стрічки: використовуємо оптичний потік Farneback — щільний метод, що обчислює вектор руху для кожного пікселя. Це дозволяє виявити навіть уповільнення стрічки до 10% від номіналу. Якщо середній motion vector у зоні стрічки близький до нуля — фіксується зупинка.

import cv2
import numpy as np

class ConveyorMonitor:
    def __init__(self, config: dict):
        self.belt_roi = config['belt_roi']
        self.normal_speed_range = config['belt_speed_range']
        self.alarm_callbacks = []
        self.prev_frame = None
        self.lk_params = dict(
            winSize=(21, 21),
            maxLevel=3,
            criteria=(cv2.TERM_CRITERIA_EPS | cv2.TERM_CRITERIA_COUNT, 10, 0.03)
        )

    def process_frame(self, frame: np.ndarray) -> dict:
        roi_frame = self._crop_roi(frame, self.belt_roi)
        gray = cv2.cvtColor(roi_frame, cv2.COLOR_BGR2GRAY)
        analysis = {'timestamp': get_timestamp()}
        if self.prev_frame is not None:
            flow = cv2.calcOpticalFlowFarneback(
                self.prev_frame, gray,
                None, 0.5, 3, 15, 3, 5, 1.2, 0
            )
            mag, ang = cv2.cartToPolar(flow[..., 0], flow[..., 1])
            mean_speed = float(np.mean(mag))
            analysis['belt_speed'] = mean_speed
            analysis['belt_status'] = self._check_speed(mean_speed)
            analysis['obstruction'] = self._detect_obstruction(gray, flow)
        self.prev_frame = gray.copy()
        return analysis

    def _check_speed(self, speed: float) -> str:
        min_speed, max_speed = self.normal_speed_range
        if speed < min_speed * 0.1:
            return 'STOPPED'
        elif speed < min_speed * 0.5:
            return 'SLOW'
        elif speed > max_speed * 1.5:
            return 'FAST'
        return 'NORMAL'

Підрахунок продукції на конвеєрі

Для підрахунку застосовується каскад: детектор YOLOv8s (навчений на 10 000+ зображень різних упаковок) та трекер ByteTracker. Об'єкт вважається облікованим, коли його центр перетинає віртуальну лінію. Це виключає подвійний рахунок при зупинках стрічки. Точність підтверджена на 20+ лініях — 98–99.5%.

class ProductCounter:
    def __init__(self, count_line_y: int, model_path: str):
        self.detector = YOLO(model_path)
        self.count_line_y = count_line_y
        self.tracker = ByteTracker()
        self.counted_ids = set()
        self.count = 0

    def process(self, frame: np.ndarray) -> int:
        detections = self.detector(frame, conf=0.5)
        tracks = self.tracker.update(detections[0])
        for track in tracks:
            cx = int((track.bbox[0] + track.bbox[2]) / 2)
            cy = int((track.bbox[1] + track.bbox[3]) / 2)
            if (track.track_id not in self.counted_ids and
                    abs(cy - self.count_line_y) < 10):
                self.count += 1
                self.counted_ids.add(track.track_id)
        return self.count

Чому відеоаналітика ефективніша за датчики?

Точкові датчики дають інформацію лише в точці встановлення — завал або зупинку поза зоною вони не бачать. Відеоаналітика покриває всю зону конвеєра: один потік 4K-камери замінює десятки датчиків. Додатково система виявляє аномалії поверхні стрічки та розливи, що недоступно звичайним сенсорам. Наш досвід — 5+ років у промисловій відеоаналітиці, понад 30 впроваджених проєктів — гарантує стабільну роботу в цехових умовах. Наприклад, на цементному заводі система виявила завал стрічки на 2 секунди раніше оператора, запобігши 3-годинному простою, що спричинило б значні збитки.

Метод оптичного потоку Farneback описано в статті "Two-Frame Motion Estimation Based on Polynomial Expansion" (2003)

Детекція нештатних ситуацій

Для аномалій поверхні використовуємо модель PatchCore, навчену на еталонних зображеннях конвеєрної стрічки. Вона детектує будь-які відхилення: тріщини, сторонні предмети, забруднення. Розлив рідини або сипучих матеріалів визначається окремим детектором YOLO, навченим на синтетичних даних з аугментацією.

class AnomalyDetector:
    def __init__(self):
        from anomalib.models import PatchCore
        self.model = PatchCore.load('conveyor_anomaly.pt')
        self.spill_detector = YOLO('spill_detector.pt')

    def check_belt_surface(self, roi: np.ndarray) -> dict:
        anomaly_result = self.model.predict(roi)
        issues = []
        if anomaly_result.pred_score > 0.7:
            issues.append({
                'type': 'surface_anomaly',
                'score': float(anomaly_result.pred_score),
                'region': self._get_anomaly_region(anomaly_result.anomaly_map)
            })
        spill_results = self.spill_detector(roi, conf=0.4)
        for box in spill_results[0].boxes:
            issues.append({
                'type': 'spill',
                'bbox': box.xyxy[0].tolist(),
                'confidence': float(box.conf)
            })
        return {'has_issues': len(issues) > 0, 'issues': issues, 'severity': 'CRITICAL' if issues else 'OK'}

Теплова карта продуктивності

Візуалізація продуктивності за зміну: кількість одиниць на годину, динаміка швидкості конвеєра, інциденти та їх тривалість. Dashboard на Grafana з метриками з InfluxDB. Ми також можемо додати прогнозування зносу стрічки на основі історичних даних.

Інтеграція з MES/SCADA

Результати аналітики передаються в Manufacturing Execution System через OPC-UA або REST API. Автоматична зупинка лінії при критичних інцидентах через PLC. Підтримуємо протоколи OPC-UA (DA, HDA), Modbus TCP, Siemens S7. Дані у форматі JSON або Protobuf для мінімальної затримки.

Що входить в роботу

• Аудит конвеєрної лінії та підбір обладнання
• Розробка моделей комп'ютерного зору (YOLO, оптичний потік, PatchCore)
• Інтеграція з існуючими MES/SCADA (OPC-UA, REST API)
• Розгортання на промисловому сервері або edge-пристрої
• Навчання операторів та документація
• Пост-релізна підтримка та донавчання моделей

Як ми впроваджуємо систему?

Типові етапи впровадження:

1. Аудит конвеєрної лінії та підбір обладнання.
2. Збір даних та навчання моделей комп'ютерного зору (YOLO, оптичний потік, PatchCore).
3. Розробка та тестування алгоритмів детекції, трекінгу та аномалій.
4. Інтеграція з MES/SCADA через OPC-UA або REST API.
5. Розгортання на промисловому сервері або edge-пристрої.
6. Навчання операторів та передача документації.
7. Пост-релізна підтримка та донавчання моделей.

Орієнтовні терміни: для однієї лінії з базовим моніторингом — 4–6 тижнів, для 3–5 ліній з детекцією аномалій — 8–12 тижнів, для цеху повністю з інтеграцією MES — 14–20 тижнів. Точні терміни розраховуємо після аудиту.

Замовте пілотний проєкт на одній лінії, щоб оцінити ефект. Отримайте консультацію щодо вашого проєкту — оцінимо терміни та умови.

Як distribution shift вбиває метрики CV-моделі в промисловості

На виробництві ставлять камеру, контролюють якість продукції. Модель навчена на 10 000 розмічених зображень — точність на тесті mAP 0.84. Запускають у продакшен — і в перший же тиждень пропускають 30% дефектів. Освітлення на лінії змінюється по змінах, distribution shift обнуляє метрики. Це класична історія з Computer Vision у промисловості, де розпізнавання образів дає збій без правильної обробки дрейфу.

Наші інженери з досвідом 60+ проектів з комп'ютерного зору знають, як виключити такі сценарії. Гарантуємо стабільну роботу моделі в реальних умовах.

Які архітектури детекції об'єктів обрати: YOLO, RT‑DETR чи інші?

YOLO — стандарт для real‑time детекції. YOLOv8 та YOLOv11 від Ultralytics — найбільш використовувані версії у виробництві: простий API, активна спільнота, вбудована валідація та експорт в ONNX/TensorRT. Для задач з високими вимогами до точності та коли latency менш критична — RT‑DETR, transformer‑based архітектура без NMS, дає кращий mAP на COCO при порівнянній швидкості з YOLOv8l.

Типова помилка при навчанні детектора: датасет 8000 зображень, 3 класи, fine‑tune YOLOv8m — F1 0.73 на валідації. Дивимося confusion matrix — один клас майже ніколи не детектується. Причина: дисбаланс 1:23. Рішення: oversampling рідкісного класу, focal loss для objectness, аугментації (Mosaic, MixUp вимкнути для рідкісного класу — вони його «розмивають»). Transfer learning обов'язковий: передтреновані на COCO ваги скорочують потребу в даних у 10 разів. Fine‑tune на 500–2000 доменних зображеннях дає робочу модель за 1–2 дні на одній GPU.

Для edge deployment: експорт в ONNX → TensorRT engine. YOLOv8n в TensorRT FP16 на Jetson AGX Orin дає 150+ FPS при P99 latency < 8 ms — це в 3 рази швидше, ніж ONNX Runtime без TensorRT. На сервері A10G: 700+ FPS для YOLOv8n в TensorRT INT8.

Як fine‑tuning YOLO допомагає в розпізнаванні образів?

Припустимо, потрібно знаходити мікродефекти на поверхні металу — задача з високою роздільною здатністю та перекосом класів. Використовуємо YOLOv8m, передтренований на COCO (документація Ultralytics), і донавчаємо на 2000 власних зображень. Застосовуємо аугментації Mosaic, MixUp, random perspective. Після 200 епох mAP 0.5 досягає 0.93. Ключові прийоми:

• focal loss для objectness голови — зменшує внесок легко класифікованих прикладів.
• class‑balanced sampling — вирівнює представництво рідкісних класів.
• Test Time Augmentation (TTA) — підвищує recall на 5–7% за рахунок усереднення по фліпах та масштабах.

Отримайте консультацію з підбору архітектури для вашого завдання — зв'яжіться з нами.

Які архітектури сегментації обрати: SAM, Mask R‑CNN чи інші?

SAM (Segment Anything Model) від Meta змінив підхід до сегментації. SAM 2 працює з відео, підтримує трекінг об'єктів через кадри — для інтерактивного виділення об'єкта по точці або bbox це найкращий вибір з коробки. Для production instance segmentation без інтерактивного промпту — Mask R‑CNN або YOLOv8‑seg. YOLOv8‑seg навчається як звичайний детектор з додатковими масками, зручний у тих же пайплайнах. Семантична сегментація (кожен піксель — клас) — SegFormer, DeepLabV3+. SegFormer‑B5 дає хороший баланс точності та швидкості для аналізу супутникових знімків або медичної сегментації.

Кейс: сегментація клітин на мікроскопічних зображеннях. Датасет 400 зображень з ручною розміткою. Навчання Mask R‑CNN на ResNet‑50 backbone дало IoU 0.61 — погано. Проблема: об'єкти (клітини) перекриваються, стандартний NMS вбиває перекриваючі передбачення. Рішення: перехід на cellpose (спеціалізована архітектура для біомедичних задач) + soft‑NMS. IoU зріс до 0.79.

Коли Tesseract не справляється з OCR?

Tesseract — відправна точка для простих задач: друкований текст, хороше освітлення, рівне розташування. Як тільки з'являються рукописні елементи, нестандартні шрифти, перспективні спотворення або багатоколоночний макет — Tesseract деградує швидко.

PaddleOCR — production‑grade рішення: виявлення текстових блоків + розпізнавання + структурний аналіз. Працює з коробки для 80+ мов, включаючи українську. Підтримує таблиці та документи зі складною структурою. Wikipedia: Оптичне розпізнавання символів. TrOCR (Microsoft) — трансформерний OCR з сильними результатами на рукописному тексті. Для українського рукописного тексту потрібен fine‑tuning: базова модель навчена переважно на латиниці.

Що робити, якщо Tesseract не справляється з розпізнаванням образів на документах?

Для задач «витягни дані з рахунку / договору / паспорта» використовуємо LayoutLMv3 або Donut — ці моделі розуміють layout документа, а не тільки текст. Інтеграція через Hugging Face Transformers, fine‑tuning на 200–500 розмічених документах. Типовий pipeline:

1. Preprocessing: deskew, denoising, binarization через OpenCV.
2. Виявлення текстових блоків: PaddleOCR detection або CRAFT.
3. Розпізнавання: PaddleOCR recognition або TrOCR.
4. Post‑processing: нормалізація, валідація через regex або LLM для структурованих полів.

Для документів з фіксованою структурою template matching + OCR точково по координатах часто надійніше за end‑to‑end рішення.

Face Recognition: ідентифікація та верифікація

Face recognition = detection + alignment + embedding + matching. Кожен етап важливий.

Detection: RetinaFace або InsightFace для точної локалізації обличчя та ключових точок. MTCNN — старіше, але надійне рішення. Embedding: ArcFace (InsightFace) — state‑of‑the‑art для face recognition embeddings. Моделі iresnet50/iresnet100 передтреновані на MS1MV3 (5M ідентичностей). Ембеддинг‑вектор 512 float32, порівняння за cosine similarity. Threshold tuning: поріг рішення — критичний параметр. При threshold 0.6 типовий FPR на LFW benchmark — 0.001, TPR — 0.985. У production threshold потрібно калібрувати під реальний distribution: люди в масках, зі зміненою зовнішністю, в різних умовах освітлення. Liveness detection обов'язковий: MiniFASNet — lightweight модель на CPU, FaceX‑Zoo містить кілька передтренованих liveness‑детекторів.

Відеоаналітика

Відео — послідовність кадрів плюс часовий вимір. Наївний підхід — детектувати на кожному кадрі — дорого.

Трекінг: ByteTrack та BoT‑SORT — стандарт для multi‑object tracking. Працюють поверх будь-якого детектора, додають persistent ID об'єктам між кадрами — це дає підрахунок об'єктів, трекі руху, velocity.

Оптимізація: не потрібно обробляти кожен кадр. Для статичних сцен детекція на кожному 5–10 кадрі, між ними — трекер. Для детекції подій (людина увійшла в зону) background subtraction (OpenCV MOG2) як lightweight pre‑filter перед нейромережевою детекцією. Action Recognition: SlowFast, VideoMAE для класифікації дій. Важкі моделі — для production використовуємо ONNX export + TensorRT або офлайн обробку.

Як виміряти якість моделі розпізнавання образів у продакшені?

Моніторинг якості — ключовий елемент MLOps. Відстежуємо:

• розподіл prediction confidence;
• частку low‑confidence передбачень (індикатор OOD‑даних);
• дрейф вхідних зображень через feature distribution (embeddings з backbone).

Падіння середньої confidence з 0.87 до 0.71 за тиждень — ранній сигнал про distribution shift. NVIDIA Triton Inference Server рекомендує відстежувати ці метрики через Prometheus. Наші сертифіковані інженери налаштовують моніторинг і гарантують SLA по якості інференсу.

Деплой CV‑моделей

Для онлайн інференсу використовуємо Triton Inference Server (NVIDIA) — production‑стандарт для serving CV‑моделей. Підтримує TensorRT, ONNX, PyTorch, dynamic batching, multiple instances. REST та gRPC API. Гарантуємо стабільну роботу під навантаженням.

Edge deployment: ONNX Runtime на ARM/x86 CPU. TensorFlow Lite для мобільних пристроїв. OpenVINO для Intel CPU/GPU/VPU — дає 2–3× приріст швидкості на Intel залізі порівняно з ONNX Runtime. Після деплою передаємо модель з документацією та навчаємо персонал.

Що входить в роботу

Терміни та вартість

Прототип детектора на існуючих даних — 1–2 тижні. Production‑система з оптимізацією під цільове залізо — 4–8 тижнів. Повний цикл включаючи розмітку даних (1000–5000 зображень) — 2–4 місяці. Вартість розраховується індивідуально під кожну задачу. Ми на ринку більше 5 років, реалізували 60+ проектів з комп'ютерного зору. Оцінимо ваш проект під ключ — замовте консультацію, щоб отримати розрахунок та технічну пропозицію.